QUADERNO N. XIV  ·  BOTTEGA  ·  6 MIN

L’insieme che nessuno ha fotografato

I motori di raccomandazione hanno smesso di proporre prodotti e propongono outfit interi. L’archivio visivo, costruito una referenza alla volta, quegli insiemi non li ha mai visti.

MILANO, 18 AGOSTO MMXXVI  ·  DALLA REDAZIONE

Un grande gruppo retail indiano ha acquisito un motore di styling che, invece di restituire una lista di articoli, compone outfit interi calibrati sulle preferenze del singolo cliente. La lettura corrente di operazioni come questa è tecnologica: un distributore compra capacità di personalizzazione. Ce n’è però una operativa, molto meno discussa, che riguarda direttamente chi produce il contenuto visivo di un catalogo.

Un motore che ragiona per insiemi chiede immagini di insiemi. Quelle immagini, nella quasi totalità dei cataloghi, non esistono.

L’infrastruttura visiva dell’e-commerce moda ha una logica precisa e, fino a ieri, corretta: una referenza, uno scatto. Fondo neutro, luce comparabile, inquadratura standard. Le immagini nascono in blocchi, la giornata della collezione autunno, quella del preseason, e vivono affiancate dentro una griglia di risultati.

Dentro quella griglia il sistema funziona benissimo. Le differenze di luce fra una stagione e l’altra non disturbano, perché ogni immagine viene letta come unità autonoma. Il compito è documentare il capo, e il capo viene documentato.

Un motore di styling non ragiona per referenze. Propone quella maglia con quel pantalone, quella borsa, quella scarpa. E un insieme, per essere desiderabile, deve essere visto come insieme.

Qui il catalogo si scopre incompleto. Le quattro referenze dell’outfit consigliato sono state fotografate in momenti diversi, con set diversi, spesso da fornitori diversi e, nel caso di un marketplace, da marchi diversi. Accostarle produce un collage: prospettive incoerenti, temperature di luce che litigano, scale sbagliate, ombre che arrivano da tre direzioni.

Il cliente quasi mai sa dire che cosa non va. Semplicemente non desidera quello che vede. Il divario non è fra dato e algoritmo: è fra ciò che il sistema sa proporre e ciò che l’archivio sa mostrare.

La risposta istintiva, aggiungere produzione dedicata agli outfit, non regge al calcolo combinatorio. Poche centinaia di referenze a stagione generano decine di migliaia di abbinamenti possibili. E le raccomandazioni non stanno ferme: cambiano con la disponibilità di stock, con il comportamento del singolo utente, con la stagionalità del mercato locale, con i capi che entrano ed escono ogni settimana.

Un piano di posa produce un insieme finito di immagini, deciso mesi prima. Un motore di scoperta ha bisogno di un insieme aperto, disponibile nel momento esatto in cui serve. Sono due modelli industriali che non si incontrano, ed è il motivo per cui la questione appartiene all’imaging generativo e non alla produzione fotografica tradizionale.

«In un’esperienza di scoperta la coerenza fra mille immagini vale più della qualità assoluta di una sola.»

Nel dibattito sull’intelligenza artificiale applicata alla moda il beneficio raccontato è quasi sempre il risparmio: meno set, meno logistica, meno campionario spedito, meno giornate di posa. È reale, si legge a bilancio, ed è la parte meno interessante.

Il beneficio strutturale è la copertura combinata con la coerenza: poter mostrare un outfit che non è mai passato davanti a un obiettivo, con la stessa figura, la stessa altezza di ripresa, la stessa luce e lo stesso spazio di tutti gli altri. È ciò che fa percepire un catalogo come un mondo invece che come un magazzino.

Ma un outfit generato senza regole è soltanto un collage più costoso: proporzioni improbabili, materiali che non dialogano, lunghezze che nel tuo ufficio stile nessuno firmerebbe, accostamenti corretti per un modello statistico e sbagliati per te. Le regole che il tuo team applica ogni giorno, che cosa si abbina a che cosa, come cade quel tessuto su quella morfologia, quale volume è ammesso, che cosa non si fa mai, devono entrare nella generazione come specifica. Corrette a valle con una revisione manuale, annullano esattamente il vantaggio di scala che le rendeva interessanti.

Se vuoi misurare il tuo divario, non partire dal catalogo. Estrai i cinquanta outfit che il tuo motore propone più spesso e conta per quanti esiste un’immagine che li mostri davvero come insieme. Nella maggior parte dei cataloghi la risposta è prossima a zero, e quello è il tuo arretrato visivo reale.

Poi fissa la costante prima delle varianti: una figura ricorrente, un set, una luce, un’altezza di ripresa. È l’elemento che tiene insieme migliaia di combinazioni diverse. Se cambia da un look all’altro, la coerenza si perde e con essa il senso dell’intera operazione.

La scoperta per outfit è arrivata prima delle immagini che le servono. Non è un ritardo tecnologico ed è inutile leggerlo come una colpa: è un archivio costruito, con ottime ragioni, per rispondere a una domanda che nessuno fa più.